АВТОМАТИЗОВАНЕ ВИЯВЛЕННЯ АНОМАЛІЙ НА КОСМІЧНИХ ЗНІМКАХ СІЛЬСЬКОГОСПОДАРСЬКИХ ЗЕМЕЛЬ ІЗ ВИКОРИСТАННЯМ ФРАКТАЛЬНОГО АНАЛІЗУ
DOI:
https://doi.org/10.30837/0135-1710.2026.188.177Ключові слова:
моніторинг сільськогосподарських земель, аномалія, космічний знімок, фрактальний аналізАнотація
Сучасні методи космічного моніторингу сільськогосподарських земель із використанням вегетаційних індексів не дають змоги оцінювати аномалії на космічних знімках і автоматизувати цей процес. Предметом дослідження є оцінювання можливості виявлення аномалій на космічних світлинах із застосуванням "пірамідального" фрактального аналізу. Об’єктом вивчення є космічні знімки супутника Sentinel-2 сільськогосподарських земель з аномаліями й без них. Мета роботи – дослідження методу автоматизованого виявлення аномалій на космічних знімках сільськогосподарських земель із використанням фрактального аналізу. Досягнуті результати. Установлено, що візуалізація поля фрактальних розмірностей космічного знімка стає неефективною за умови використання "вікна" великих розмірів. Крім того, застосування "стрибаючого вікна" не дає змоги визначити аномальні ділянки на космічних зображеннях. Запропоновано метод виявлення аномалій на космічних знімках сільськогосподарських земель з упровадженням "пірамідального" фрактального аналізу, що сприяє автоматизації цього процесу. "Піраміди" космічних знімків створено за допомогою розподілу вихідного космічного зображення на знімки менших розмірів, які надалі індексуються. На кожному рівні "піраміди" розраховано фрактальні розмірності космічних знімків і побудовано "піраміду" фрактальних розмірностей, що еквівалентно застосуванню "стрибаючого вікна" під час побудови поля фрактальних розмірностей. Висновки. Дослідження розробленого методу виявлення аномалій продемонстрували, що якщо фрактальні розмірності космічних знімків усіх рівнів "піраміди" перевищують фрактальну розмірність D = 2,9 або фрактальні розмірності на нижньому рівні "піраміди" більші, ніж на верхньому рівні, то аномалії на космічному знімку відсутні. Якщо фрактальні розмірності на окремих ділянках нижнього рівня "піраміди" менші за фрактальні розмірності на верхньому рівні й на вихідному космічному знімку, то на цих ділянках знімка спостерігаються аномалії.
Посилання
Yang, L., Lu, B., Schmidt, M., Natesan, S. et al. (2025), "Applications of remote sensing for crop residue cover mapping", Smart Agricultural Technology, No. 11, P. 1–14. DOI: https://doi.org/10.1016/j.atech.2025.1008080
Tararik, O.G., Syrotenko, O.V., Ilienko, T.V., Kuchma, T.L. (2019), "Agroecological Satellite Monitoring", Kyiv:
Agrarian Science, 204 p.
"Copernicus Europe’s eyes on Earth, Sentinel-2. Copernicus Europe’s eyes on Earth" [Electronic resource]. –
Access mode: https://www.copernicus.eu/en/about-copernicus/infrastructure/discover-our-satellites – 26.12.2025.
Garajeh, M. K., Hassangholizadeh, K., Lomer, A. R. B., Ranjbari, A., et al. (2023), "Monitoring the impacts of crop residue cover on agricultural productivity and soil chemical and physical characteristics", Scientific Reports, No. 13-15054, P. 1–13. DOI: https://doi.org/10.1038/s41598-023-42367-9
Slobodjnik, M. P. (2014) "Prognostication productivity of agricultural cultures on materials of RSE and vegetations indexes", Announcer of geodesy and cartography, No. 6 (93), P. 16–20.
Maryushko, M. V., Pashchenko, R. E., Koblyuk, N. S. (2019), "Monitoring of agricultural crops using SENTINEL-2 satellite images", Radioelectronic and Computer Systems, No. 1 (89), P. 99–108. DOI: https://doi.org/10.32620/reks.2019.1.11
Yue, J., Tian, Q. (2020), "Estimating fractional cover of crop, crop residue, and soil in cropland using broadband remote sensing data and machine learning", Int J Appl Earth Obs Geoinformation, No. 89, P. 1–15.
DOI: https://doi.org/10.1016/j.jag.2020.102089
Sudheer, K. P., Gowda, P., Chaubey, I., Howell, T. (2010), "Artificial Neural Network Approach for Mapping Contrasting Tillage Practices", Remote Sens, No. 2, P. 579–590. DOI: https://doi.org/10.3390/rs2020579
Feder, J. (1988), "Fractals", New York: Springer US, 263 p. DOI: https://doi.org/10.1007/978-1-4899-2124-6
Dolya, G. N., Ivanov, V. K., Kuchuk, G. A., Pashchenko, R. E. et al. (2006), "Fractal analysis of processes, structures, and signals" / Ed. by R. E. Pashchenko, Kharkiv: NEO Ekoperspektiva, 348 p.
Pashchenko, R., Mariushko, M. (2020), "Analysis of the Earth’s Surface Type in Remote Sensing Using Fractal Dimension", IEEE Ukrainian Microwave Week (UkrMW), MRRS-2020, P. 1–4. DOI: https://doi.org/10.1109/ukrmw49653.2020.9252811
Pashchenko, R. E., Maryushko, M. V. (2023), "Estimation the state of different agricultural cultures with use fractal analysis", Advanced Information Systems, Vol. 7, Iss. 3, P. 81–88. DOI: https://doi.org/10.20998/2522-9052.2023.3.14
Pashchenko, R. E., Maryushko, M. V. (2021), "Monitoring changes of agricultural earths state is from data
of space imageries fractal analysis", Control, navigation and communication systems, Vol. 65, Iss. 3, P. 8–17.
DOI: https://doi.org/10.26906/SUNZ.2021.3.008
Crownover, R .M. (1995), "Introduction to Fractals and Chaos", London: Jones and Bartlett Publishers, Inc., 352 p.
Clarke, K. C. (1986), "Computation of the Fractal Dimension of Topographic Surface Using the Triangular Prism Surface Area Method", Computers & Geosciences, Vol. 12, No. 5, P. 713–722.
UA 
EN 
